«linear-model» etiketlenmiş sorular

Doğrusal regresyonu gözden geçiriyorum. Greene'nin ders kitabı şöyle diyor: Şimdi, elbette, doğrusal regresyon modeli üzerinde gibi başka varsayımlar olacaktır E(ϵ|X)=0E(ϵ|X)=0E(\epsilon|X)=0. Bu varsayım (aslında tanımlayan ϵϵ\epsilon) doğrusallık varsayımı ile birleştiğinde , yapıyı modelin üzerine yerleştirir. Bununla birlikte, doğrusallık varsayımı tek başına modelimize herhangi bir yapı , çünkü ϵϵϵ\epsilon tamamen keyfi olabilir. …

10 econometrics  linear-model  assumptions  causality  definition 

Bu notasyonu burada sıradan en küçük kareler için gördüm . minw∥Xw−y∥22minw‖Xw−y‖22 \min_w \left\| Xw - y \right\|^2_2 Hiç çift çubuk ve 2 alt görmedim. Bu semboller ne anlama geliyor? Onlar için özel bir terminolojileri var mı?

10 regression  least-squares  linear-model  linear-algebra  notation 

Diyelim ki bağımlı değişkenlerin vektörü ve bağımsız değişkenin vektör . Zaman karşı çizilir , ikisi arasında doğrusal bir ilişki (yukarı doğru bir eğilim) olduğunu görüyoruz. Şimdi, bu aynı zamanda ve arasında doğrusal bir düşüş eğilimi olduğu anlamına gelir .X Y 1NN-NHYYYNN-NXXXYYY YX1X1X\frac{1}{X}YYYXXX Şimdi, regresyonu çalıştırırsam: ve uygun değeriY = β …

10 regression  data-transformation  linear-model 

Herkes bir mersınıf nesnesi ( lme4paket yoluyla elde edilen ) kaldıraç ve Cook mesafeleri hesaplamak (veya çıkarmak) biliyor mu ? Bunları artık analizi için planlamak istiyorum.

10 r  mixed-model  linear-model  residuals  leverage 

Formun bir GLMM var: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Kullandığımda , araç paketinden veya drop1(model, test="Chi")kullandığımdan farklı sonuçlar alıyorum . Bu son ikisi aynı cevapları verir.Anova(model, type="III")summary(model) Bir grup uydurma veri kullanarak, bu iki yöntemin normalde farklı olmadığını gördüm. Dengeli doğrusal …

10 r  anova  glmm  r  mixed-model  bootstrap  sample-size  cross-validation  roc  auc  sampling  stratification  random-allocation  logistic  stata  interpretation  proportion  r  regression  multiple-regression  linear-model  lm  r  cross-validation  cart  rpart  logistic  generalized-linear-model  econometrics  experiment-design  causality  instrumental-variables  random-allocation  predictive-models  data-mining  estimation  contingency-tables  epidemiology  standard-deviation  mean  ancova  psychology  statistical-significance  cross-validation  synthetic-data  poisson-distribution  negative-binomial  bioinformatics  sequence-analysis  distributions  binomial  classification  k-means  distance  unsupervised-learning  euclidean  correlation  chi-squared  spearman-rho  forecasting  excel  exponential-smoothing  binomial  sample-size  r  change-point  wilcoxon-signed-rank  ranks  clustering  matlab  covariance  covariance-matrix  normal-distribution  simulation  random-generation  bivariate  standardization  confounding  z-statistic  forecasting  arima  minitab  poisson-distribution  negative-binomial  poisson-regression  overdispersion  probability  self-study  markov-process  estimation  maximum-likelihood  classification  pca  group-differences  chi-squared  survival  missing-data  contingency-tables  anova  proportion 

Aşağıdaki doğrusal model var: Kalıntıların heterosensedastisitesini ele almak için bağımlı değişkene bir log dönüşümü olarak uygulamaya çalıştım fakat artıklar üzerinde aynı fan çıkışı etkisini görüyorum. DV değerleri nispeten küçüktür, bu nedenle günlüğü almadan önce +1 sabit ilavesi bu durumda muhtemelen uygun değildir.log(Y+1)log⁡(Y+1)\log(Y + 1) > summary(Y) Min. :-0.0005647 1st Qu.: …

10 regression  data-transformation  linear-model  heteroscedasticity 

için doğrusal bir regresyon modeliyle ilgilendiğimi varsayalım , çünkü iki ortak değişken arasındaki etkileşimin Y üzerinde bir etkisi olup olmadığını görmek istiyorum.Yi=β0+β1x1+β2x2+β3x1x2Yi=β0+β1x1+β2x2+β3x1x2Y_i = \beta_0 + \beta_1x_1 + \beta_2x_2 + \beta_3x_1x_2 Bir profesörün ders notlarında (kiminle temasa geçmediğim) şunu belirtir: Etkileşim koşullarını dahil ederken, ikinci derece koşullarını eklemelisiniz. yani regresyona dahil …

10 regression  multiple-regression  interaction  linear-model 

Veri aralığının dışında projeksiyon yapmak için regresyon kullanma hakkındaki düşünceleriniz nelerdir? Doğrusal veya güç modeli şekline uyduğundan eminseniz, model veri aralığının ötesinde yararlı olamaz mı? Mesela fiyat bazında hacimim var. İnandığım veri aralığı dışındaki fiyatlar için projeksiyon yapabilmeliyiz. Senin düşüncelerin? VOL PRICE 3044 4.97 2549 4.97 3131 4.98 2708 4.98 …

10 regression  dataset  linear-model 

Doğrusal regresyonda, modele uyursak, hoş bir sonuçla karşılaştım. E[Y]=β1X1+β2X2+c,E[Y]=β1X1+β2X2+c,E[Y] = \beta_1 X_1 + \beta_2 X_2 + c, sonra, standardize edersek ve ortalarsak YYY, X1X1X_1 ve X2X2X_2 veri, R2=Cor(Y,X1)β1+Cor(Y,X2)β2.R2=Cor(Y,X1)β1+Cor(Y,X2)β2.R^2 = \mathrm{Cor}(Y,X_1) \beta_1 + \mathrm{Cor}(Y, X_2) \beta_2. Bu bana 2 değişkenli bir versiyon gibi geliyor R2=Cor(Y,X)2R2=Cor(Y,X)2R^2 = \mathrm{Cor}(Y,X)^2 için y=mx+cy=mx+cy=mx+c hoş olan …

10 regression  linear-model  r-squared  proof 

İlişkilendirilmemiş 1.449 veri noktası örneğim var (r kare 0.006). Verileri analiz ederken, bağımsız değişken değerlerini pozitif ve negatif gruplara bölerek, her grup için bağımlı değişkenin ortalamasında anlamlı bir fark olduğunu gördüm. Bağımsız değişken değerleri kullanarak noktaları 10 kutuya (ondalık) bölmek, ondalık sayı ve ortalama bağımlı değişken değerleri (r-kare 0,27) arasında …

10 regression  correlation  linear-model  r-squared 

Bu sadece birkaç kez karşılaştığım bir örnektir, bu yüzden örnek verilerim yok. R'de doğrusal regresyon modeli çalıştırmak: a.lm = lm(Y ~ x1 + x2) x1sürekli bir değişkendir. x2kategoriktir ve üç değeri vardır, örneğin "Düşük", "Orta" ve "Yüksek". Bununla birlikte, R tarafından verilen çıktı aşağıdaki gibi olacaktır: summary(a.lm) Estimate Std. Error …

10 r  regression  categorical-data  regression-coefficients  categorical-encoding  machine-learning  random-forest  anova  spss  r  self-study  bootstrap  monte-carlo  r  multiple-regression  partitioning  neural-networks  normalization  machine-learning  svm  kernel-trick  self-study  survival  cox-model  repeated-measures  survey  likert  correlation  variance  sampling  meta-analysis  anova  independence  sample  assumptions  bayesian  covariance  r  regression  time-series  mathematical-statistics  graphical-model  machine-learning  linear-model  kernel-trick  linear-algebra  self-study  moments  function  correlation  spss  probability  confidence-interval  sampling  mean  population  r  generalized-linear-model  prediction  offset  data-visualization  clustering  sas  cart  binning  sas  logistic  causality  regression  self-study  standard-error  r  distributions  r  regression  time-series  multiple-regression  python  chi-squared  independence  sample  clustering  data-mining  rapidminer  probability  stochastic-processes  clustering  binary-data  dimensionality-reduction  svd  correspondence-analysis  data-visualization  excel  c#  hypothesis-testing  econometrics  survey  rating  composite  regression  least-squares  mcmc  markov-process  kullback-leibler  convergence  predictive-models  r  regression  anova  confidence-interval  survival  cox-model  hazard  normal-distribution  autoregressive  mixed-model  r  mixed-model  sas  hypothesis-testing  mediation  interaction 

Arka fon İki blokun her birinde dört tedavi seviyesi ve altı replikat bulunan bir saha çalışmasından elde edilen verilerim var. (4x6x2 = 48 gözlem) Bloklar yaklaşık 1 mil uzaklıktadır ve bloklar içinde 42, 2m x 4m araziler ve 1m genişliğinde bir geçit vardır; çalışmam her blokta sadece 24 parsel kullandı. …

10 r  spatial  linear-model  covariance 

'İstatistiksel Öğrenmenin Unsurları' nda, doğrusal modelin sapma-varyans ayrışması ifadesi burada gerçek hedef fonksiyonudur, , modelindeki rastgele hatanın varyansıdır ve lineer tahmin olan .Er r (x0) =σ2ε+ E[ f(x0) - Ef^(x0)]2+ | | h (x0) ||2σ2ε,Err(x0)=σϵ2+E[f(x0)−Ef^(x0)]2+||h(x0)||2σϵ2,Err(x_0)=\sigma_\epsilon^2+E[f(x_0)-E\hat f(x_0)]^2+||h(x_0)||^2\sigma_\epsilon^2,f(x0)f(x0)f(x_0)σ2εσϵ2 \sigma_\epsilon^2y= f( x ) + ϵy=f(x)+ϵy=f(x)+\epsilonf^( x )f^(x)\hat f(x)f( x )f(x)f(x) Varyans terimi burada …

9 regression  linear-model  bias-variance-tradeoff 

Wooldridge'in Giriş Ekonometrisinde bir teklif var: Hatalar normal dağılımını haklı argüman genellikle böyle bir şey yapar: çünkü etkileyen birçok farklı gözlenmeyen faktörler toplamıdır , bunu sonuçlandırmak için merkezi limit teoremini çağırabileceği yaklaşık bir normal dağılım vardır.uuuyyyuuu Bu alıntı doğrusal model varsayımlarından biriyle ilgilidir, yani: u∼N(μ,σ2)u∼N(μ,σ2)u \sim N(μ, σ^2) burada uuu …

9 self-study  linear-model  econometrics  normality-assumption  central-limit-theorem 

Bir arkadaşım yakın zamanda sıradan en küçük kareler hakkında neyin sıradan olduğunu sordu. Tartışmada hiçbir yere varamadık. İkimiz de OLS'un lineer modelin özel bir durumu, birçok kullanımı olduğu, iyi bildiği ve diğer birçok modelin özel bir durumu olduğu konusunda anlaştık. Ama hepsi bu kadar mı? Bu nedenle bilmek istiyorum: İsim …

9 regression  linear-model  least-squares  terminology